搜索结果: 1-15 共查到“管理科学与工程 SVM”相关记录17条 . 查询时间(0.468 秒)
TL-SVM:一种迁移学习新算法
迁移学习 分类 支持向量机
2014/2/18
迁移学习旨在利用大量已标签源域数据解决相关但不相同的目标域问题. 当与某领域相关的新领域出现时, 若重新标注新领域, 则样本代价昂贵, 丢弃所有旧领域数据又十分浪费. 对此, 基于SVM算法提出一种新颖的迁移学习算法—–TL-SVM, 通过使用目标域少量已标签数据和大量相关领域的旧数据来为目标域构建一个高质量的分类模型, 该方法既继承了基于经验风险最小化最大间隔SVM的优点, 又弥补了传统SVM不...
基于Fisher 准则和最大熵原理的SVM核参数选择方法
Fisher 准则 最大熵原理 粒子群优化算法
2014/11/13
针对支持向量机(SVM) 核参数选择困难的问题, 提出一种基于Fisher 准则和最大熵原理的SVM核参数优选方法. 首先, 从SVM分类器原理出发, 提出SVM核参数优劣的衡量标准; 然后, 根据此标准利用Fisher 准则来优选SVM核参数, 并引入最大熵原理进一步调整算法的优选性能. 整个模型采用粒子群优化算法(PSO) 进行参数寻优. UCI 标准数据集实验表明了所提方法具有良好的参数选择...
基于网格聚类LS-SVM 的铝电解生产过程极距软测量
极距软测量 基于网格的共享近邻聚类 最小二乘支持向量机
2014/10/9
针对铝电解生产过程的复杂性, 建立了基于网格共享近邻聚类(GNN) 最小二乘支持向量机(LS-SVM) 的铝电解生产过程极距软测量模型. 该模型采用GNN算法将训练集分成具有不同聚类中心的子集, 对各子集分别采用LS-SVM 进行训练并建立子模型, 同时通过参数转化实现模型对新数据样本的动态学习. 仿真结果表明, 基于GNN最小二乘方法建立的铝电解极距软测量模型具有精度高、泛化性能好等特点, 能够...
基于ODR和BSMOTE 结合的不均衡数据SVM分类算法
边界人工少数类过采样算法 逐级优化递减
2014/9/25
针对传统的支持向量机(SVM) 算法在数据不均衡的情况下分类效果不理想的缺陷, 为了提高SVM算法在不均衡数据集下的分类性能, 提出一种新型的逐级优化递减欠采样算法. 该算法去除样本中大量重叠的冗余和噪声样本, 使得在减少数据的同时保留更多的有用信息, 并且与边界人工少数类过采样算法相结合实现训练样本数据集的均衡. 实验表明, 该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能, 而且总...
一种基于LS-SVM 的联邦滤波故障检测方法
故障检测 最小二乘支持向量机 联邦滤波
2014/9/25
针对??2 检验法在组合导航系统联邦滤波故障检测中的不足, 提出一种基于最小二乘支持向量机(LS-SVM) 的故障检测方法, 即在LS-SVM 对子滤波器新息进行预测的基础上构造故障检测量. 以捷联惯导/卫星/天文组合导航系统为应用平台, 采用无重置的联邦滤波对子系统突变和渐变两种故障的检测进行了仿真分析. 仿真结果表明, 所提出的LS-SVM 检测法比残差??2 检验法具有更好的故障检测能力, ...
基于LS-SVM的一类非线性系统直接自适应H∞输出反馈控制
自适应控制 控制 反馈控制
2014/9/24
针对一类状态不可测的单输入单输出非线性不确定系统, 提出了一种基于最小二乘支持向量机(LSSVM)的直接自适应??H∞ 输出反馈控制方法. 该方法首先设计一种误差观测器, 间接地估计出系统的状态; 然后利用LS-SVM 构造自适应控制器, 并给出了LS-SVM 权向量和偏移值的在线学习规则. 通过引入??H∞ 控制器减弱外部干扰及LS-SVM 近似误差对输出误差的影响, 利用李亚普诺夫理论证明了整...
一种基于SVM的加权似然比融合算法
置信度测量 竞争模型 语音确认
2014/9/24
提出一种基于改进竞争模型加权似然比融合的方法来进行关键词的语音确认, 并将误差函数用于SVM对加权向量和阈值进行优化. 通过构建两个基线系统, 将不同竞争模型的加权方式的比较和3 种模型的比较作了仿真实验. 所得结果显示, 相对于反词模型和常规竞争模型, 加权似然比融合方法得到的似然比对关键词识别的平均错误率分别降低了26.53% 和7.78%.
一种基于SVM重采样的似然粒子滤波算法
似然函数 支持向量机 重采样
2014/9/22
针对弱观测噪声条件下非线性、非高斯动态系统的滤波问题, 提出一种基于支持向量机的似然粒子滤波算法. 首先, 采用似然函数作为提议分布, 融入最新的观测信息, 比采用先验转移密度的一般粒子滤波算法更接近状态的真实后验密度; 然后, 利用当前粒子及其权值, 使用支持向量机估计出状态的后验概率密度模型; 最后, 根据此模型重采样更新粒子集, 有效地克服粒子退化现象并提高状态估计精度. 仿真结果表明了所提...
一种新的基于平衡决策树的SVM多类分类算法
SVM 决策树 多类分类器 类间可分性
2014/9/22
为了有效地减少样本训练时间, 提高多类分类器的识别率, 同时使模型具有较好的推广能力, 在综合考虑待分类样本数和类别易分性能的基础上, 在“先分样本数较大的类”和“先分易分的类”之间折衷考虑, 提出一种基于样本的新的类划分方案. 采用平衡决策树结构, 得到了一种新的决策树支持向量机多类分类算法. 实验结果表明, 该算法在不降低识别率的情况下, 能大大减少系统的训练时间, 是一种有效的多类分类算法.
基于图像纹理特征和多级SVM的浮选过程状态识别方法研究
纹理特征 多级支持向量机 粒子群算法
2014/9/19
针对浮选泡沫图像的纹理特征,采用多级支持向量机(MLSVMs)方法对浮选生产过程状态进行识别.首先基于灰度共生矩阵,提取浮选泡沫图像的诸如能量、熵及惯性等纹理特性参数来描述浮选泡沫的视觉特征;然后采用归一化后的纹理特征数据样本分别对多级支持向量机进行训练和识别.MLSVMs模型核函数参数采用改进惯性权重的粒子群算法进行优化.测试结果表明,所提出的方法在训练时间和识别正确率上具有较好的性能,可以满足...
一种基于PSO的RBF-SVM模型优化新方法
模型优化 支持向量机 粒子群优化
2014/9/15
针对使用径向基核函数的支持向量机，采用粒子群优化方法实现模型优化。基于训练集中样本之间的最近平均距离和最远平均距离，给出参数 的取值空间，从而减小了超参数搜索的范围，并采用对数刻度进一步提高粒子群优化方法的参数搜索效率。与遗传算法和网格法的对比实验表明新方法收敛速度更快，得出的超参数更优。
支持向量机通过随机选择标记的训练样本进行有监督学习,随着信息容量的增加和数据收集能力的提高,这种从样本学习的被动学习方法需要耗费大量的标记工作量，给实际应用带来不少困难。针对 SVM训练学习过程中难以获得大量带有类标注样本的问题，本文将主动学习策略应用于SVM增量训练中，提出了一种基于距离比值不确定性抽样的主动SVM增量训练算法(DRB-ASVM)，实验结果表明在保证不影响分类精度的情况下,应用主...
一种LDA与SVM混合的多类分类方法
决策有向无环图 支持向量机 线性判别分析 分类阈值
2014/9/12
针对决策有向无环图支持向量机（ＤＤＡＧＳＶＭ）需训练大量支持向量机（ＳＶＭ）和误差积累的问题，提出一种线性判别分析（ＬＤＡ）与ＳＶＭ 混合的多类分类算法．首先根据高维样本在低维空间中投影的特点，给出一种优化ＬＤＡ 分类阈值；然后以优化ＬＤＡ 对每个二类问题的分类误差作为类间线性可分度，对线性可分度较低的问题采用非线性ＳＶＭ 加以解决，并以分类误差作为对应二类问题的可分度；最后将可分度作为混合ＤＤＡ...
基于LS-SVM的不确定系统神经滑模控制方法研究
不确定系统 最小二乘支持向量机 量子离子群算法
2014/9/11
针对一类参数大范围变化的不确定系统，提出一种基于分类转换策略的神经滑模控制方法．按小偏差原理对系统模型进行划分，利用结合主成分分析的最小二乘支持向量机进行分类训练，并分别设计基于径向基函数神经网络在线调整切换项增益的滑模控制器，在线时利用分类器按系统数据自动选择相应的控制器．同时，引入结合混沌机制的量子粒子群算法，并将其用于控制器近似最佳切换函数的构造．仿真结果表明，系统具有良好的跟踪性能和较强的...
